3DTopia 是一个两阶段的文本到3D生成模型。第一阶段使用扩散模型快速生成候选3D资产，第二阶段对从第一阶段选择的资产进行细化。该模型于2024年1月18日发布。
用途：用于文本到3D生成，可在5分钟内完成。
主要能力：
- 第一阶段：使用扩散模型快速生成候选3D资产。支持通过命令行参数控制采样（如 --sampler 可设置为 ddim 进行 DDIM 采样，默认使用1000步 DDPM 采样）、采样步数（--steps 仅对 DDIM 有效）、样本数量（--samples）、输入文本（--text）、随机种子（--seed）等。默认启用渲染多视角视频和 marching cubes，可通过 --no_video 和 --no_mcubes 抑制，可通过 --mcubes_res 控制 marching cubes 的3D体素分辨率，通过 --render_res 控制渲染视频分辨率。结果位于 results 文件夹下。
- 第二阶段：对第一阶段选定的资产进行细化，分为两个步骤。示例中细化后的网格可在 results/default/stage2/a_robot_0_0_if2.glb 找到。详细使用请参考 threefiner。
使用方式：
- 安装环境：推荐使用 Anaconda 管理环境。
- 安装第二阶段细化器：请参考 threefiner 安装第二个阶段的网格细化器。已测试使用 Pytorch 1.12.0 和 CUDA 11.3 同时安装两个环境。
- 下载检查点（可选）：gradio_demo.py 和 sample_stage1.py 已实现自动下载检查点。如需手动下载，可从 huggingface 下载 checkpoint 3dtopia_diffusion_state_dict.ckpt 或 model.safetensors。
- 运行第一阶段：使用命令行运行 sample_stage1.py，具体参数如上所述。
- 运行第二阶段：参考 threefiner 进行两个步骤的细化。
适用场景：文本到3D生成，快速生成3D资产。
限制：
- 若在第二阶段遇到 ImportError: /lib64/libc.so.6: version 'GLIBC_2.25' not found 错误，可尝试安装较低版本的 pymeshlab：pip install pymeshlab==0.2。
- 其他限制暂未提供。
其他信息：
- 2024/03/10：Objaverse 的 captions 已发布。
- 2024/03/04：技术报告已发布。
- 2024/01/18：发布文本到3D模型 3DTopia。
致谢：感谢社区构建并开源了本工作的基础，特别感谢 EG3D、Stable Diffusion 的代码，以及 Objaverse 提供的数据集。
